""" 2025_U4 データ準備スクリプト ============================ 【論文】日本におけるMRI設置の現状と過剰導入の実証的検証 川村結愛ら（大阪経済大学）統計活用奨励賞 【使用データ】 1. 病床機能報告（施設票） 出典: 厚生労働省 病床機能報告制度 https://www.mhlw.go.jp/stf/seisakunitsuite/bunya/0000055891.html → data/2025_U4/hospital_2017.xlsx → data/2025_U4/hospital_2018.xlsx → data/2025_U4/hospital_2020.xlsx ※ファイルは大きいため data/raw/mri/ に格納し、シンボリックリンクを使用 2. SSDSE-A（統計でみる都道府県のすがた） 出典: 統計センター https://www.nstac.go.jp/use/literacy/ssdse/ → data/2025_U4/SSDSE-A-2025.csv（市区町村別人口） 【処理内容】 - 各年度の施設票から 二次医療圏 × MRI機器台数 を集計 - 市区町村コードで SSDSE-A と結合し 二次医療圏 別人口を推計 - 3年分を縦結合してパネルデータを構築 【出力】 data/2025_U4/2025_U4_panel.csv（二次医療圏×3年） """ # ============================================================ # 【データの準備】実行前に以下のデータファイルを用意してください # # 必要ファイル: # ・SSDSE-A-2025.csv # → data/raw/SSDSE-A-2025.csv に配置 # # ダウンロード先: # https://www.nstac.go.jp/use/literacy/ssdse/ # （SSDSE-A（社会・人口統計体系 都道府県時系列） の CSV をダウンロード） # # フォルダ配置（プロジェクトルートからの相対パス）: # code/ ← このスクリプトの場所 # data/raw/ ← CSV ファイルをここに配置 # html/figures/ ← 図の出力先（自動生成） # # 実行方法（ファイルを一切編集せず実行可能）: # python3 code/2025_U4_data_prep.py # ============================================================ import os import re import numpy as np import pandas as pd import openpyxl _script_dir = os.path.dirname(os.path.abspath(__file__)) if '__file__' in dir() else os.getcwd() DATA_DIR = os.path.join(_script_dir, '..', 'data', '2025_U4') RAW_DIR = os.path.join(_script_dir, '..', 'data', 'raw') os.makedirs(DATA_DIR, exist_ok=True) def to_int(v): try: return int(v) if v else 0 except: return 0 # ─── Step 1: 病床機能報告から 二次医療圏×MRI台数 を集計 ────────── print("=" * 60) print("■ Step 1: 病床機能報告（施設票）を処理中") print("=" * 60) YEARS = [2017, 2018, 2020] FILE_MAP = { 2017: 'hospital_2017.xlsx', 2018: 'hospital_2018.xlsx', 2020: 'hospital_2020.xlsx', } all_records = [] for year in YEARS: fname = os.path.join(RAW_DIR, 'mri', FILE_MAP[year]) print(f" {year}年度: {os.path.basename(fname)} を読み込み中...", end='', flush=True) wb = openpyxl.load_workbook(fname, read_only=True, data_only=True) ws = wb['施設票'] sec_data = {} # sec_code → {name, mri_total, n_hospitals, muni_codes} for row in ws.iter_rows(min_row=7, values_only=True): if not row[4]: continue sec_code = str(row[4]).strip() sec_name = str(row[5]).strip() if row[5] else '' muni_code = str(row[6]).strip() if row[6] else '' mri3t = to_int(row[33]) mri15 = to_int(row[34]) mrilt = to_int(row[35]) total_mri = mri3t + mri15 + mrilt if sec_code not in sec_data: sec_data[sec_code] = { 'sec_name': sec_name, 'mri_total': 0, 'n_hospitals': 0, 'n_hosp_with_mri': 0, 'mri_3t': 0, 'mri_15t': 0, 'mri_lt15t': 0, 'muni_codes': set(), } sec_data[sec_code]['mri_total'] += total_mri sec_data[sec_code]['n_hospitals'] += 1 sec_data[sec_code]['mri_3t'] += mri3t sec_data[sec_code]['mri_15t'] += mri15 sec_data[sec_code]['mri_lt15t'] += mrilt if total_mri > 0: sec_data[sec_code]['n_hosp_with_mri'] += 1 if muni_code and len(muni_code) == 5: sec_data[sec_code]['muni_codes'].add(muni_code) wb.close() print(f" {len(sec_data)} 二次医療圏, MRI合計={sum(d['mri_total'] for d in sec_data.values())}") for sec_code, d in sec_data.items(): all_records.append({ 'year': year, 'sec_code': sec_code, 'sec_name': d['sec_name'], 'mri_total': d['mri_total'], 'mri_3t': d['mri_3t'], 'mri_15t': d['mri_15t'], 'mri_lt15t': d['mri_lt15t'], 'n_hospitals': d['n_hospitals'], 'n_hosp_with_mri': d['n_hosp_with_mri'], 'muni_codes': ','.join(sorted(d['muni_codes'])), }) df_hosp = pd.DataFrame(all_records) print(f"\n 合計レコード数: {len(df_hosp)} ({df_hosp['year'].nunique()}年×{df_hosp['sec_code'].nunique()} 二次医療圏)") # ─── Step 2: SSDSE-A から市区町村別人口を取得 ───────────────────── print("\n■ Step 2: SSDSE-A から市区町村別人口を取得中...") ssdse_path = os.path.join(RAW_DIR, 'SSDSE-A-2025.csv') raw_ssdse = pd.read_csv(ssdse_path, encoding='cp932', header=None) # 'R01202' 形式の行を探してデータ開始行を特定 header_row = None for i, row in raw_ssdse.iterrows(): if str(row[0]).startswith('R') and len(str(row[0])) == 6: header_row = i break if header_row is None: # フォールバック：2行目以降を試す col_header_row = next( (i for i, row in raw_ssdse.iterrows() if str(row[0]) == '地域コード'), None ) data_start = col_header_row + 1 if col_header_row is not None else 3 cols = raw_ssdse.iloc[col_header_row].tolist() ssdse_df = raw_ssdse.iloc[data_start:].reset_index(drop=True) ssdse_df.columns = cols else: # 直前の行がカラム名 col_header_row = header_row - 1 cols = raw_ssdse.iloc[col_header_row].tolist() ssdse_df = raw_ssdse.iloc[header_row:].reset_index(drop=True) ssdse_df.columns = cols # 地域コードを5桁数字に変換（R01202 → 01202） ssdse_df = ssdse_df.dropna(subset=[ssdse_df.columns[0]]) ssdse_df['muni_code'] = ssdse_df[ssdse_df.columns[0]].astype(str).str.extract(r'R(\d{5})')[0] ssdse_df = ssdse_df.dropna(subset=['muni_code']) # 総人口列を特定 pop_col = next((c for c in ssdse_df.columns if '総人口' in str(c)), ssdse_df.columns[3]) ssdse_df['population'] = pd.to_numeric(ssdse_df[pop_col], errors='coerce') muni_pop = ssdse_df[['muni_code', '都道府県' if '都道府県' in ssdse_df.columns else ssdse_df.columns[1], 'population']].dropna() print(f" 市区町村数: {len(muni_pop)}") # ─── Step 3: 市区町村コード → 二次医療圏 の対応マップを構築 ────── print("\n■ Step 3: 市区町村→二次医療圏 マッピングを構築中...") # 最新年度（2020）の対応を使用 df_2020 = df_hosp[df_hosp['year'] == 2020].copy() muni_to_sec = {} for _, row in df_2020.iterrows(): for muni in str(row['muni_codes']).split(','): muni = muni.strip() if muni: muni_to_sec[muni] = row['sec_code'] print(f" マッピング数: {len(muni_to_sec)} 市区町村") # ─── Step 4: 二次医療圏 別人口を集計 ───────────────────────────── print("\n■ Step 4: 二次医療圏別人口を集計中...") sec_pop = {} for _, row in muni_pop.iterrows(): muni = str(row['muni_code']) sec = muni_to_sec.get(muni) if sec and not pd.isna(row['population']): sec_pop[sec] = sec_pop.get(sec, 0) + int(row['population']) print(f" 人口データが得られた二次医療圏数: {len(sec_pop)}") # ─── Step 5: パネルデータを構築して保存 ────────────────────────── print("\n■ Step 5: パネルデータを構築中...") df_hosp['population'] = df_hosp['sec_code'].map(sec_pop) df_hosp['ln_pop'] = np.log(df_hosp['population'].clip(lower=1)) df_hosp['mri_per_100k'] = (df_hosp['mri_total'] / df_hosp['population'] * 100000).round(2) # 人口区分（BR モデルで使用する N=0,1,2,3,4+ のビニング） def bin_mri(n): if n == 0: return 0 if n <= 2: return 1 if n <= 5: return 2 if n <= 10: return 3 return 4 df_hosp['mri_bin'] = df_hosp['mri_total'].apply(bin_mri) # 都道府県コード（二次医療圏コードの先頭2桁） df_hosp['pref_code'] = df_hosp['sec_code'].str[:2] out_path = os.path.join(DATA_DIR, '2025_U4_panel.csv') cols_save = ['year', 'sec_code', 'sec_name', 'pref_code', 'mri_total', 'mri_3t', 'mri_15t', 'mri_lt15t', 'mri_bin', 'n_hospitals', 'n_hosp_with_mri', 'population', 'ln_pop', 'mri_per_100k'] df_hosp[cols_save].to_csv(out_path, index=False, encoding='utf-8-sig') print(f"\n 構築完了: {len(df_hosp)} レコード") print(f" 年度: {sorted(df_hosp['year'].unique())}") print(f" 二次医療圏数（最大）: {df_hosp.groupby('year')['sec_code'].nunique().max()}") print(f"\n 【MRI台数分布（2020年）】") d20 = df_hosp[df_hosp['year'] == 2020] print(f" 0台: {(d20['mri_total']==0).sum()}, 1-2台: {((d20['mri_total']>=1)&(d20['mri_total']<=2)).sum()}, " f"3-5台: {((d20['mri_total']>=3)&(d20['mri_total']<=5)).sum()}, " f"6-10台: {((d20['mri_total']>=6)&(d20['mri_total']<=10)).sum()}, " f"11台+: {(d20['mri_total']>=11).sum()}") print(f"\n→ 保存: {out_path}") print("\n完了。")